HALPred-B：宿主感知的线性 B 细胞表位预测：跨物种的挑战、局限性与变异性

线性B细胞表位预测是免疫信息学中的一项基础任务，对疫苗设计和抗体工程具有直接影响。近年来，机器学习的进展提升了预测性能，但现有大多数方法都是基于聚合数据集进行训练，并假定抗原模式在不同宿主生物体之间是保守的。这一假设忽视了依赖于宿主的免疫学变异性，也阻碍了模型在跨物种场景中的泛化能力。 这是首个系统性的按宿主划分评估研究，我们基于免疫表位数据库（IEDB）的精选数据集，提出了一个关于宿主感知型线性B细胞表位预测的系统性机器学习分析。我们分别为人类、小鼠和非人灵长类宿主构建独立数据集，并评估了多种分类模型，包括随机森林、支持向量机（SVM）、梯度提升、XGBoost 和 K近邻（KNN）。这些模型利用了来源于序列的特征表示，例如 AAIndex 描述符、来自 ExPASy 的生化性质以及二肽组成。 我们的结果表明，预测性能在不同宿主之间存在显著差异。模型在人类数据集上可达到最高 86.07% 的准确率和 0.93 的 ROC-AUC，但在小鼠和非人灵长类数据集上的表现较低。这一差距揭示了数据集偏差和序列分布差异，以及现有特征无法捕捉宿主特异性免疫学背景的局限性。这些结果表明，线性B细胞表位预测本质上具有宿主特异性，单一的全局模型难以在不同物种之间实现良好泛化。我们提出，应纳入宿主感知的建模策略和生物体特异性特征，以提升预测的可靠性和生物学相关性。

线性B细胞表位预测是一项基础性的免疫信息学任务，对疫苗设计和抗体工程具有直接影响。近年来，机器学习的进展提高了预测性能，但现有大多数方法都是基于聚合数据集进行训练，并假定抗原模式在不同宿主生物体之间是保守的。这一假设忽视了依赖于宿主的免疫学变异性，也阻碍了模型在跨物种场景中的泛化能力。本文首次开展了系统性的宿主分层评估，基于免疫表位数据库（IEDB）的精选数据集，提出了针对宿主感知型线性B细胞表位预测的系统性机器学习分析。我们分别构建了人、小鼠和非人灵长类宿主的数据集，并评估了多种分类模型，包括随机森林、支持向量机（SVM）、梯度提升、XGBoost 和 K近邻（KNN）。这些模型利用了源自序列的特征表示，例如 AAIndex 描述符、来自 ExPASy 的生化性质以及二肽组成。

我们的结果表明，预测性能在不同宿主之间存在显著差异。模型在人类数据集上可达到最高 86.07% 的准确率和 0.93 的 ROC-AUC，但在小鼠和非人灵长类数据集上的表现较低。这一差距反映了数据集偏倚与序列分布差异，也说明现有特征无法捕捉宿主特异性的免疫学背景。

这些结果表明，线性B细胞表位的预测本质上具有宿主特异性，单一的全局模型难以在不同物种之间实现良好泛化。我们建议引入宿主感知的建模策略以及生物体特异性特征，以提升预测的可靠性和生物学相关性。

作者声明不存在竞争性利益。

感谢您关注并传播 bioRxiv 的相关信息。

📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.06.22.733770v1?rss=1

🏷️ 线性B细胞表位 宿主特异性 免疫信息学 机器学习预测 跨物种泛化